时，检测到所述手机的MAC地址，关闭报警监控。
[0049]本发明所提供的视频监控方法，对采集的实时视频流在本地进行间隔采样提取多帧图像，通过智能算法对视频采集单位时间内的图像进行提取和分析，排出了常态性干扰和非常态性干扰引起的误报，提高了报警的准确性。
[0050]此外，本发明只将引发报警的视频片段传到云端备份，并向用户推送报警。对于非重要报警视频只保存在本地，供用户远程查看。这样不仅保护了引发报警的视频片段，而且节省大量的云端存储成本，同时实现及时准确报警和安全有效视频存储，充分满足人们对视频监控提出的新需求。
【附图说明】
[0051]图1为本发明所提供的基于本地计算的视频监控方法的流程图。
【具体实施方式】
[0052]下面结合附图和具体实施例对本发明的技术内容进行进一步的详细说明。
[0053]如图1所示，本发明所提供的基于本地计算的视频监控方法，包括如下步骤:首先，在本地实时读取局域网内的视频流，将读取的视频流分解成多帧图像。其次，在本地进一步计算当前帧和上一帧的帧差，当帧差大于单次帧差报警阈值时，对两帧的帧差图像进行边缘提取，如果不能提取出边缘，忽略该次帧差，否则触发报警，报警次数加I。从第一次触发报警开始，根据监控视频采集单位时间内触发报警的次数判断是否推送报警，如果推送报警，则将引发报警的视频片段保存在本地SD卡等存储介质中，同时传到云端备份，并通过手机app (应用程序)向用户推送报警；如果判定不推送报警，则将该视频片段保存在本地SD卡等存储介质中。下面对这一过程做详细具体的说明。
[0054]SI，在本地实时读取局域网内的视频流，将读取的视频流分解成多帧图像。
[0055]在本地实时读取局域网内的视频流，根据采样间隔sampIeInterval将读取的视频流分解成多帧图像，便于后续根据前后帧图像的对比，判断是否触发报警。在本发明所提供的实施例中，根据多次监测实验，将采样间隔samplelnterval设置为4帧，每隔4帧获取一帧图像，在保证不漏掉入侵事件报警的基础上降低采样频率，进而降低计算量，能有效地提高工作效率。在将读取的视频流分解成多帧图像之后，采用智能算法对视频采集单位时间内的多帧图像进行分析，判断是否对视频流中记录的行为推送报警。在本发明所提供的实施例中，实时读取局域网内的视频流后对视频流的分解及处理过程均在本地进行，只有判定推送报警的视频片段才上传至云端备份。这样，在保证重要视频片段安全的情况下，节省了大量的云端存储成本。
[0056]S2，计算当前帧和上一帧的帧差，当帧差大于单次帧差报警阈值时，对两帧的帧差图像进行边缘提取，如果不能提取出边缘，忽略该次帧差，否则触发报警，报警次数加I。
[0057]计算当前帧和上一帧的帧差，当帧差大于单次帧差报警阈值时，说明摄像机捕捉到了移动物体，产生推送报警的条件，即触发报警。当视频采集单位时间内触发报警达到一定次数时，向用户推送报警。对于摄像机捕捉到的移动物体，本发明通过智能算法进行过滤。通过对移动事件的分析判断其性质，进而判断其是否对监控区域的安全造成威胁。在本发明所提供的实施例中，将移动事件分为三种:常态性干扰、非常态性干扰和入侵事件。在户外监控过程中，常态性干扰一般包括远处的树枝和树叶随风移动、路上来往人和车辆等；非常态性干扰一般包括飞入监控视野的落叶、小动物等。入侵事件一般包括有人走近摄像机。而在室内监控过程中，一般不包含非常态性干扰，常态性干扰一般包括光线干扰、风吹百叶窗等；入侵事件一般包括有人走进监控区域。只有当监控区域内发生入侵事件时才触发报警，当监控区域内发生常态性干扰和非常态性干扰时，不触发报警。而移动事件是否为入侵事件，通过对获取的多帧图像进行分析获得。其中，将读取的视频流分解成多帧图像之后，计算当前帧和上一帧的帧差，根据帧差判断是否触发报警，具体包括如下步骤:
[0058]S21，将整个监控区域分解成多个栅格，使整个监控区域网格化。
[0059]将整个监控区域分解成若干栅格(grid)，从而将整个监控区域网格化。在本发明所提供的实施例中，该栅格的单边长度范围介于5pixel?50pixel之间，该栅格是活性最小单元。通过统计一段时间(视频采集单位时间)内的视频图像中，相邻前后两帧中栅格的变化数量，分析判定视频图像是否发生入侵事件。
[0060]S22，为每个栅格赋予活性，根据获取的图像，判断监控区域中的栅格变化，并统计其变化数量，如果前后两帧图像栅格变化数量小于设定的阈值，则其为非常态性干扰，不触发报警；否则，转向步骤S23。
[0061]将整个监控区域网格化之后，为每个栅格赋予活性，并实时判断栅格的活性状态。具体包括如下步骤:
[0062]为每个栅格设定状态值，包括激活状态值和失活状态值。在本发明所提供的实施例中，当栅格处于激活状态时，状态值为1，当栅格处于失活状态时，状态值为O。当在本地实时读取局域网内的视频流时，将整个监控区域内的每个栅格的状态值调整为I，使每个栅格处于激活状态，以便于及时感应对入侵行为，进行报警。
[0063]判断距离上一次栅格的活性状态发生变化的时间，如果该时间小于更新间隔时间，则栅格活性状态不发生变化；如果时间大于或等于更新间隔时间，判断更新间隔时间内栅格变化次数，如果栅格变化次数大于阈值，则改变栅格的活性状态。如果变化前栅格处于激活状态，则栅格变为失活状态，处于失活状态的栅格不再参与报警。其中，判断栅格发生变化的过程在下面的描述中进行进一步的说明，在此不进行详述。
[0064]为每个栅格赋予活性之后，根据获取的图像，判断监控区域中的栅格变化，并统计其变化数量，根据栅格的变化情况判断是否触发报警，具体包括如下步骤:
[0065]S221，根据获取的多帧图像，当读入一帧时，根据其颜色通道判断摄像机的状态，如果三通道数值相同则监控时间是夜晚，否则监控时间是白天。
[0066]每个图像都有一个或多个颜色通道，图像中默认的颜色通道数取决于其颜色模式，即一个图像的颜色模式将决定其颜色通道的数量。根据图像颜色模式的不同，颜色通道的种类也各异。在本发明所提供的实施例中，采用RGB color模式就是利用“Red，Green，Blue” 3种基本色调来表现繁多的颜色的，将基本色相混合成各种浓度，可以表现出多姿多彩的彩色图像。根据三通道数值的差异便可以判断监控时间是白天还是夜晚。如果三通道数值相同则监控时间是夜晚，否则监控时间是白天。
[0067]S222，根据摄像机的状态选择要更新和计算的权重和休眠时间。
[0068]由于白天和晚上情景不同，白天相对光线要明亮，人的活动性要强，光线、车辆、人、树等常态性或非常态性干扰较多；而晚上光线较暗，人的活动明显减少，常态性或非常态性干扰降低。所以，在本发明所提供的实施例中，单独为白天和晚上设置了两套栅格的参数和阈值，在白天夜间切换的时候，两套栅格的参数和阈值互相切换，同时栅格的失活状态和时间分开保存。
[0069]在实时读取视频流之后，对摄像机进行初始化，包含三方面内容:
[0070]I)加载白天以及夜晚的权重以及休眠时间文件，如果没有则相应地初始化为O。
[0071]2)设定相关参数:栅格大小gridsize、采样间隔samplelnterval、更新间隔un i t S i z e、权重上升变化阈值up Thr e s、权重下降变化阈值downThr e s、单次帧差报警阈值act1nThres、栅格变化比例阈值threshold、白天基础休眠时间baseTimeDay、晚上基础休眠时间baseTimeNight、基础休眠时间baseTime、基础权重上升阈值per1dUpThres和基础权重下降阈值per1dDownThres等相关参数。关于相关参数的介绍在下文中进行详细描述。
[0072]3)初始化统计量:栅格的变化次数数组varTimes。
[0073]其中，采样间隔samplelnterval、更新间隔unitSize、权重变化阈值upThres等参数的设定根据实验数据获取最佳数值。摄像机进行初始化之后，根据摄像机所处的状态选择要更新和计算的权重和休眠时间。
[0074]S223，根据栅格像素变化比例判断栅格的变化，当栅格变化时，栅格的变化次数数组varTimes中该栅格变化次数加1，并统计总的激活区域变化栅格数量varNum以及总的变化栅格数量totalNum，其中，总的激活区域变化栅格数量=总的变化栅格数量_处于失活状态的栅格数量。
[0075]在判断栅格是否发生变化之前，将该帧图像转换为单通道灰度图像，以降低计算量。
[0076]根据栅格像素变化比例判断栅格的变化，在本发明所提供的实施例中，通过统计每个栅格中的像素变化比例，来判断栅格是否发生变化，当栅格中的像素变化比